From b86118b2caac4b3ee02d3678aa21e2b1384c5de9 Mon Sep 17 00:00:00 2001
From: dong <2938690875@qq.com>
Date: Thu, 17 Oct 2024 16:24:43 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 function.py | 10 ++++------
 1 file changed, 4 insertions(+), 6 deletions(-)

diff --git a/function.py b/function.py
index c87eb9f..1cb30c0 100644
--- a/function.py
+++ b/function.py
@@ -44,21 +44,18 @@ name = "董秋"
 
 def classify(input_vector, dataSet, labels, k=3):
     """
-    KNN 分类算法。
+    KNN 分类算法（基于马氏距离）。
 
     Args:
     - input_vector (numpy array): 输入待分类的样本。
     - dataSet (numpy array): 训练数据集。
     - labels (list or numpy array): 训练集对应的标签。
-    - k (int): kNN 算法参数，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
+    - k (int): kNN 算法参数，默认值为3。
 
     Returns:
     - int: 预测的分类标签。
     """
-    """
-    使用欧式距离的 kNN 分类算法。
-    """
-     # 计算协方差矩阵及其逆矩阵
+    # 计算协方差矩阵及其逆矩阵
     cov_matrix = np.cov(dataSet, rowvar=False)
     inv_cov_matrix = np.linalg.inv(cov_matrix)
     
@@ -79,6 +76,7 @@ def classify(input_vector, dataSet, labels, k=3):
     return most_common
 
 
+
 # 这里也写自己的代码实现
 
 def load_dataset(directory):